Validation d'un système de classification basé sur la probabilité de mortalité à l'aide d'indices de vigueur quantitatifs
Bibliographic record
Abstract
Les coupes de jardinage en forêt feuillue visent à maintenir une structure irrégulière tout en maintenant ou améliorant la vigueur et la qualité des peuplements résiduels. Au Québec, le martelage lors de ces coupes est fait depuis 2005 à l’aide d’un système de classification basé sur la vigueur des arbres, mais ce système n’a jamais été évalué à l’aide d’indices de vigueur quantitatifs. Afin de bâtir un indice d’efficacité de croissance, nous avons tout d’abord établi des relations pour estimer la surface foliaire de l’érable à sucre (Acer saccharum Marsh.) et du bouleau jaune (Betula alleghaniensis Britt.). Nous avons échantillonné 31 érables à sucre et 20 bouleaux jaunes sur une station, et 79 érables à sucre sur deux autres stations couvrant une large gamme de diamètre et de surface foliaire. Les estimateurs de la surface foliaire correspondaient à la surface d’aubier, déterminée à partir de différentes méthodes, et diverses mesures de cime. La surface de la cime était un très bon estimateur de la surface foliaire en plus de pouvoir être évaluée indépendamment des conditions de station tout en étant accessible, peu coûteuse et rapide à évaluer. Pour vérifier le lien entre les classes de vigueur associées au système de classification basé sur la probabilité de mortalité et des indices de vigueur quantitatifs, nous avons échantillonné des arbres provenant de six stations réparties sur l’ensemble de la zone des forêts feuillues du Québec. Les classes de vigueur n’étaient pas reliées à l’indice d’efficacité de croissance. Nous n’avons également pas pu associer un changement de croissance radiale à un changement de classe de vigueur. Par ailleurs, l’indice d’efficacité de croissance était faiblement relié aux caractéristiques dendrométriques des arbres, ce qui aurait pu faciliter son utilisation lors des opérations de martelage. Nous recommandons de continuer à utiliser le système de classification à court terme, mais sa simplification faciliterait son utilisation sans en affecter sa précision.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.011 | 0.017 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".